● Nagy{0}}méretű dokumentummennyiség megfelelőségi elemzése (például ISO-szabványok, biztonsági előírások és több száz oldalas műszaki specifikációs dokumentumok értelmezése)
● Globális műveletek és többnyelvű koordináció (a különböző régiók és beszállítók közötti finom nyelvi különbségek rögzítése)
A gyakorlati alkalmazásokban a legtöbb gyártó vállalat hibrid mesterséges intelligencia architektúrát alkalmaz, - amely a nagy modelleket a vállalat központi végén, a kis modelleket pedig a helyszíni oldalon -vezeti.
4. Ipar 4.0 és szélső környezetekben a kis modellek jobban alkalmazhatók
Egyes gyártási forgatókönyvekben a kis modellek nem csupán „elégségesek”, de sok esetben ez az egyetlen praktikus lehetőség. A kis modellek jobban teljesíthetik a következő funkciókat:
Valós idejű anomáliák észlelése-a gépen
● Alacsony{0}}késleltetésű operátori segítség
Offline műveletek fizikailag elszigetelt vagy biztonsági{0}}kritikus környezetben
● A védett gyártási adatok adatvédelme
Ez kulcsfontosságú többek között a prediktív karbantartás, a számítógépes látás-támogatású ellenőrzése és a műhelytechnikusok mesterséges intelligencia asszisztensei számára.
Egy 7–13 milliárd paramétert tartalmazó, finomhangolt-modell felülmúlhatja az általános élvonalbeli-modelleket, ha a betanítási adatok tartalmazzák a karbantartási kézikönyveket, a hibaüzemmód-előzmények adatait, az érzékelő metaadatait és a gyári -specifikus szabványos működési eljárásokat -, mert jobban ismeri a gyárat, mint az internet. Ez összhangban van az Ipar 4.0 működésébe beágyazott „kontextus-tudatos intelligencia” elvével.
A feldolgozóiparnak olyan mesterséges intelligencia-eszközökre van szüksége, amelyek speciális forgatókönyvekhez vannak igazítva
A mesterséges intelligencia modellek méretéről folyó vita nem a vagy-vagy nulla{0}}összegű játéka; a lényeg abban rejlik, hogy alkalmasak-e az alkalmazási forgatókönyvekre. A nagy modellek a felfedező érvelési feladatok széles skálájában jeleskednek; A kis modellek abszolút előnyt jelentenek az ipari forgatókönyvekben a költségek, a sebesség, a telepíthetőség és a megbízhatóság tekintetében.
Az intelligens gyárakra, összekapcsolt eszközökre és rendkívül rugalmas termelésre törekvő gyártóvállalatok számára az AI jövője nem egyetlen szuper{0}}nagy modellen múlik, hanem egy olyan mesterséges intelligencia-ökoszisztéma felépítésén, amely arányos a - skálával a felhőtől a szélekig, az átfogó vállalati tervezéstől a valós{2}}modellekig, minden egyes eszköz szinten történő végrehajtással.
Mivel az AI-modellek továbbra is könnyűek, és képességeik folyamatosan javulnak, egy alapvető probléma a gyártásvezetők elé kerül: az Ipar 4.0 fejlesztésének következő szakaszában, amikor az ultra-magas-hatékonyságú, tartomány--specifikus mesterséges intelligencia mélyen beépül a termelési rendszerbe, hogyan fogja újradefiniálni a gyártási gyártás hatékonyságát, termékminőségét és működési szintjét?
